C5.0决策树法在出生缺陷预测中应用.pdf

中国卫生统计 2009年 1O月第 26卷第 5期 C5．0决策树法在出生缺陷预测 中的应用 方俊群 罗家有 姚宽保。 曾春林 方超英 胡茹珊。 杜其云 吴 虹 【提 要】 目的 介绍决策树法的原理及其在出生缺陷预测中的应用，为出生缺陷研究提供一种新的思路。方法 通过 1：2匹配的病例对照研究探讨湖南省前 lO位出生缺陷发生的影响因素；对单因素 logistic回归分析中有统计学意义 的变量采用C5．0决策树算法和判别分析构建预测模型。统计分析软件采用 Clementine11．0和SPSS15．0。结果 决策 树分类结果与实际类别的符合率为83．7％，灵敏度为74．1％，特异度为88．6％；判别分类与实际类别的符合率为64．7％， 灵敏度为54．0％；特异度为70．3％。C5．0决策树法 比判别分析法具有更好的预测效果 ，其判断准确率高于判别分析。 结论 C5．0决策树法构建的出生缺陷预测模型，可获得比传统的判别分析更好的预测效果。通过建立孕妇资料数据库 ， 结合专业知识选取高质量的指标，应用决策树法能够对出生缺陷的发生起到较好的预测作用。 【关键词】 出生缺陷 影响因素 决策树 预测模型 数据挖掘(datamining)¨是指从大型数据库中提 预测模型的效率。 取隐含的、非平凡的及有潜在应用价值的信息或规则， 原理与方法 是数据库研究中的一个很有应用价值的新领域，融合 了数据库、人工智能、机器学习、统计学等多个领域的 决策树法是通过确定一系列的if-then的逻辑 (分 理论和技术 。数据挖掘工具能够对将来的趋势和行为 枝)关系，从一组无秩序、无规则的事例 中推理出一套 进行预测，从而更好地支持人们的决策。其常用方法 分层规则，将所有可能发生的结局的概率分布用树形 有人工神经网络、遗传算法、决策树方法等。其中决策 图表达，生成决策树，从而达到对研究对象进行精确预 树方法是利用信息论 中的信息增益寻找数据库中具有 测或正确分类的目的。决策树是一个类似于流程 图的 最大信息量的属性变量 ，建立决策树的一个结点，再根 树结构，树结构中的每个 内部节点代表一个属性上的 据该属性变量的不同取值建立树的分支。每个分支子 测试，每个分枝代表一个测试输出，每个树叶节点代表 集中重复建立树的下层结点和分支的过程。采用决策 一 个类，所以从决策树的根到叶结点的一条路径就对 树，可以将数据规则可视化，也不需要长时间的构造过 应着一条取舍规则，整棵决策树就对应着一组析取表 程，输出结果容易理解，精度较高，因此决策树在知识 达式规则，因此能通过 目标变量预测属性变量。 发现系统中应用较广。虽然决策树算法在经济等领域 目前有多种决策树分析方法，常用主要的决策树 的应用已经非常广泛，但是在医疗领域中，特别是在出 算法有 CRT、QUEST、CHAID、C4．5和C5．0等。其 生缺陷数据分析中的应用尚未见报道。 中最具影响的是 Quinlan于 1986年提出的 ID3(Inter- 随着我国社会经济的快速发展和人民健康水平 的 ativeDichotomicVersion3)算法。ID3算法采用 自顶 提高，出生缺陷已凸现成为我 国一个严重的公共卫生 向下不回溯策略，能保证找到一颗简单的树。 问题，出生缺陷所导致的疾病负担也 日益突出 。出 ID3算法中 ’4，决策属性信息增益的计算方法如 生缺陷将逐渐成为导致儿童死亡、疾病、伤残及影响生 下：设 S是训练样本数据集，中类别表示属性有m个 命质量的重要原因之一，将对我国医疗保健服务体系 独立的取值，即定义